• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.475-478
• /
• 2023

컴퓨터 단층촬영(CT)을 활용한 골격근 단면적은 근감소증과 관련된 기능을 평가하는 데 사용된다. 일반적인 근감소증 연구는 요추 3번의 골격근량을 주로 보지만 암 또는 폐절제술과의 상관관계를 예측하기 위한 다양한 연구에서는 흉추 4번, 7번, 8번, 10번, 12번 다양한 수준의 골격근량으로 연구를 진행하고 있음을 알 수 있다. 본 논문에서는 흉부와 복부 CT 영상에서 근감소증 진단을 위해서 흉추와 요추의 영역별 슬라이스를 검출하기 위해서 CNN 구조의 EfficientNetV2를 전이학습하여 인공지능 모듈을 개발하였다. 인공지능 모듈은 전체 흉부 및 복부 CT 영상에서 Cervical, T1, T2, T3, T4, T5, T6, T7, T8, T9, T10, T11, T12, L1, L2, L3, L4, L5, Sacral 총 19 클래스를 검출하도록 하였다. Test 데이터셋을 사용하여 Confusion Matrix와 Grad-CAM으로 모델의 정확도를 시각화하여 보였으며 검증으로 인공지능 모듈의 정확성을 측정하였다. 끝으로 우리가 개발한 다기관 공동연구 지원플랫폼에 적용하여 시각화된 결과를 보였다.

• 한국보육지원학회지
• /
• 제20권2호
• /
• pp.105-126
• /
• 2024

Objective: The study aimed to develop and validate a tool for assessing daycare center organizational competence and for autonomously managing childcare quality. Methods: Through literature review and expert reviews, items were derived and validated using the Content Validity Index. Data from a survey involving 216 directors and 509 teachers were analyzed using SPSS and AMOS to assess reliability and conduct confirmatory factor analysis. Results: Results revealed a 36-item diagnostic tool across four subcategories: shared values (6 items), training abilities (18 items), environmental support (6 items), and organizational promotion (6 items). A diagnostic tool named S.T.E.P+ was developed, named after the first letters of the four subfactors. Skewness and kurtosis were within normality assumptions. Good fit indices (CFI, TLI) and low SRMR and RMSEA values indicated a satisfactory model fit. Cronbach's α values showed high reliability for all factors. The tool enables autonomous diagnosis of childcare quality. Conclusion/Implications: This tool can effectively autonomously diagnose whether a daycare center is providing quality childcare.

• Nuclear Engineering and Technology
• /
• 제56권6호
• /
• pp.2266-2273
• /
• 2024

A machine learning platform is proposed for the diagnosis of a severe accident progression in a nuclear power plant. To predict the key parameters for accident management including lost signals, a long short term memory (LSTM) network is proposed, where multiple accident scenarios are used for training. Training and test data were produced by MELCOR simulation of the Fukushima Daiichi Nuclear Power Plant (FDNPP) accident at unit 3. Feature variables were selected among plant parameters, where the importance ranking was determined by a recursive feature elimination technique using RandomForestRegressor. To answer the question of whether a reduced order ML model could predict the complex transient response, we performed a systematic sensitivity study for the choices of target variables, the combination of training and test data, the number of feature variables, and the number of neurons to evaluate the performance of the proposed ML platform. The number of sensitivity cases was chosen to guarantee a 95 % tolerance limit with a 95 % confidence level based on Wilks' formula to quantify the uncertainty of predictions. The results of investigations indicate that the proposed ML platform consistently predicts the target variable. The median and mean predictions were close to the true value.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제18권9호
• /
• pp.2512-2545
• /
• 2024

One of the biggest challenges for the medical professionals is spotting cardiovascular issues in the earliest stages. Around the world, Cardiovascular Diseases (CVD) are a major cause of death for almost 18 million people each year. Heart disease is therefore a serious concern that needs to be treated. The numerous elements that affect health, such as excessive blood pressure, elevated cholesterol, aberrant pulse rate, and many other factors, might make it challenging to detect heart disease. Consequently, early disease detection and the development of effective treatments can benefit greatly from the field of artificial intelligence. The purpose of this work is to develop a new IoT based healthcare monitoring framework for the prediction of CVD using machine learning algorithm. Here, the data preprocessing has been performed to create the normalized dataset for improving classification. Then, an Artificial Gorilla Troop Optimization (AGTO) algorithm is deployed to choose the most pertinent features from the normalized dataset. Moreover, the Multi-Linear Regression Classification (MLRC) model is also implemented for accurately categorizing the medical information as whether healthy or CVD affected. The results of the proposed AGTO-MLRC mechanism is validated and compared using the popular benchmarking datasets.

• 대한방사선기술학회지:방사선기술과학
• /
• 제26권2호
• /
• pp.37-42
• /
• 2003

목 적 : 전산화 단층촬영장치는 방사선을 이용한 질병의 진단에 중추적인 역할을 하는 장비이다. 시대의 흐름과 과학기술의 발달로 전산화 단층촬영장치도 그 발전을 거듭해왔고 앞으로도 전산화 단층촬영장치를 이용한 검사는 더욱더 증가하리라 생각된다. 검사의 증가와 함께 산란선에 노출될 기회가 많아질 것이라는 생각 또한 사실이다. 이에 전산화 단층촬영실의 제어실내 환자 보기창 앞과 환자 및 보호자들이 출입하는 출입문 외측 그리고 환자 검사 시 촬영실내에서의 산란선 발생률을 측정하였고 산란선의 피폭을 가장 최소화 할 수 있는 방법을 알아보고자 하였다. 대상 및 방법 : 2001년 11월부터 서울소재 13개 종합병원 및 대학병원에 설치 운용중인 전산화 단층촬영장치 25를 대상으로 하였다. 촬영조건은 피폭선량 측정시 제조업소에서 권고 하고있는 촬영조건을 사용하였고, 이때 피사체는 피폭선량 측정용 DALI CT 피폭선량 측정용 두부용 팬톰(${\phi}16\;cm$ Plexglas)과 복부용 팬톰(${\phi}32\;cm$ Plexglas)을 사용하였다. 산란선의 측정은 환경방사선 측정용 Survey Meter인 Radical Corporation, model $20{\times}5-1800$, Electrometer/Ion chamber, S/N 21740에 Reader(Radiation Monitor Controller model 2026)과 G-M Survey를 이용하였다. 산란선의 측정위치는 전산화 단층촬영실에서 방사선 작업종사자가 주로 활동하는 제어실내 환자 보기창 앞과 환자 및 보호자들이 출입하는 출입문 외측 그리고 피사체 스캔시 등선량중심점(isocenter)으로부터 100 cm되는 지점에서 측정하였다. 결 과 : 각 병원에서 설치 운용중인 전산화 단층촬영실내 작업환경은 해당병원의 상황에 따라 많은 차이를 보이고 있었고 산란선의 발생유무는 다음과 같았다. 1) 전산화 단층촬영장치의 등선량중심점(isocenter)에서부터 제어실내 환자 보기창 사이의 거리는 평균 377 cm이였고 이때 산란선은 거의 검출되지 않은 곳에서부터 약 100 mR/week까지 다양한 분포를 보였으나 주당 허용선량인 $2.58{\times}10^{-5}\;C/kg$(100 mR/week)이내의 조건을 만족하고 있었다. 2) 전산화 단층촬영장치의 등선량중심점(isocenter)에서부터 환자 및 보호자가 출입하는 출입문 외측까지의 거리는 평균 439cm이었고, 이때 산란선은 거의 검출되지 않은 곳부터 다양한 분포를 보였으나 대부분의 병원에서 주당허용선량인 $2.58{\times}10^{-6}\;C/kg$(10 mR/week)이내의 조건을 만족하고 있었다. 3) 피사체를 스캔할 때 등선량중심점(isocenter)에서부터 100 cm되는 곳에서의 산란선량은 장비에 따라 많은 차이가 있었다. 결 론 : 진단용 방사선발생장치에서 전산화 단층촬영장치의 이용은 나날이 증가하고 있고 다른 일반 X-선 촬영과 비교했을 때 진단영역이 매우 높지만 방사선으로 인한 피폭과 산란선에 노출될 가능성이 매우 높다. 전산화 단층촬영실에서 산란선으로부터 조금이라도 자유로워지기 위해서는 설계단계에서부터 충분한 공간 확보가 우선되어야하고 모든 검사에서 방사선사는 최소의 선량으로 최상의 영상을 제공할 수 있는 다양한 기술개발에 더욱 노력을 아끼지 말아야 할 것으로 생각된다.

• 경영과정보연구
• /
• 제36권4호
• /
• pp.33-51
• /
• 2017

제4차 산업혁명의 등장과 경제성장으로 인한 '국민 삶의 질 향상' 요구 증대로 인해 의료서비스의 질과 의료비용에 대한 국민들의 요구수준이 향상되고 있으며, 이로 인해 인공지능이 의료현장에 도입되고 있다. 하지만 인공지능이 의료분야에 활용된 사례를 살펴보면 '삶의 질'에 직접적인 영향을 끼치는 만성피부질환에 활용된 사례는 부족한 실정이며, 만성피부질환 중 대표적 질병인 아토피피부염은 정성적 진단 방법으로 인해 진단의 객관성을 확보할 수 없다는 한계가 존재한다. 본 연구에서는 아토피피부염의 객관적 중증도 평가 방법을 마련하여 아토피피부염 환자의 삶의 질을 향상시키고자 다음과 같은 연구를 수행하였다. 첫째, 가톨릭대학교 의과대학 성모병원의 데이터베이스로부터 아토피피부염 환자의 이미지 데이터를 수집했으며, 수집된 이미지 데이터에 대한 정제 및 라벨링 작업을 수행하여 모델 학습과 검증에 적합한 데이터를 확보했다. 둘째, 지능형 아토피피부염 중증도 진단 모형에 적합한 이미지 인식 알고리즘을 파악하기 위해 다양한 CNN 알고리즘들을 병변별 학습용 데이터로 학습시키고, 검증용 데이터를 활용하여 해당 모델의 이미지 인식 정확도를 측정했다. 실증분석 결과 홍반(Erythema)의 경우 'ResNet V1 101', 긁은 정도(Excoriation)의 경우 'ResNet V2 50'이 90% 이상의 정확도를 기록하였으며, 태선화(Lichenification)의 경우 학습용 데이터 부족의 한계로 인해 두 병변보다 낮은 89%의 정확도를 보였다. 해당 결과를 통해 이미지 인식 알고리즘이 단순한 사물 인식 분야뿐만 아니라 전문적 지식이 요구되는 분야에도 높은 성능을 나타낸다는 것을 실증적으로 입증했으며, 본 연구는 실제 아토피피부염 환자의 이미지 데이터를 활용했다는 측면에서 실제 임상환경에서 활용성이 높을 것으로 사료된다.

• 가정∙방문간호학회지
• /
• 제10권1호
• /
• pp.58-72
• /
• 2003

The purpose of this study was to describe the perceived burden of the terminally III patients's caregiver and to analyze relationship between the perceived burden and the various demographics, illness characteristics, family relationships, and economic factor of the family & patients. The sample of 132 caregivers who care for the terminally III patients Kyung-Gi province, Seoul, Korea. The period of this study was from August to September, 2002. The perceived burden of the family caregiver was measured by the burden scale(20 items, 4 point scale) developed by Montgomery et al. (1985). The Data was analyzed using SAS-program by t-test and ANOVA. The results were as follows; 1. The mean of the family caregiver's burden score was 3.02. The score showed that caregivers perceive severe the level of burden. The hight items of the family caregiver's burden were' I feel it is painful to watch patient's diseases'(3.77). 'I feel afraid for what the future holds for my patients'(3.66), 'I feel it reduced to amount of privacy time'(3.64). 2. The caregiver's burden was significantly related to patient's gender(F=3.17, p= 0.0020), patient's job(F=2.49, p=0.0476), caregiver's age(F=4.29, p=0.0030), and caregiver's job(F=2.49, p=0.0476). 3. The caregiver's burden according to illness characteristics showed no significant difference. 4. The caregiver's burden was significantly associated with patient's family relationship (F=4.05, p=0.0041), patient's care mean period in a day(F=47.18,

• 생물환경조절학회지
• /
• 제31권4호
• /
• pp.384-392
• /
• 2022

본 연구는 RGB, 초분광 센서를 이용하여 시기별 사과 잎의 엽록소와 질소 함량을 예측하여 사과 나무 잎의 질소 영양을 진단하기 위해 수행되었다. 분광 데이터는 사과나무 '홍로/M.9' 2년생을 대상으로 고해상도 RGB와 초분광 센서로 촬영 후 영상처리를 통해 취득하였다. 식물체 데이터는 촬영이 끝난직후 엽록소와 잎 질소 함량을 측정하였다. 엽록소 측정기의 SPAD meter, RGB 센서의 개별 파장, 컬러 식생지수 및 초분광 센서의 214개의 파장과 식물체 데이터를 이용하여 회귀분석을 실시하였다. 엽록소와 잎 질소 함량 데이터는 시기와 상관없이 질소 시비량에 따라 통계적으로 유의한 차이가 나타났다. 잎은 시기가 지나면서 잎에 있던 영양분이 과실로 전이되어 색이 옅어졌으며 RGB센서의 경우 Red파장에서 시기와 상관없이 통계적으로 유의한 차이가 나타났다. 초분광 센서의 경우 두 시기 모두 질소 시비 수준에 따라 가시광 영역보다 비가시광 영역에서 차이가 크게 나타났다. 반사값를 이용하여 식물체 특성의 예측 모델 결과 엽록소, 잎 질소함량 모두 초분광 데이터를 이용한 부분최소제곱회귀분석을 이용하였을 때 성능이 가장 높게 나타났다(chlorophyll: 81% / 63%, leaf nitrogen content: 81% / 67%). 이러한 원인은 RGB 센서에 비해 초분광 센서는 좁은 FWHM과 400-1,000nm의 넓은 파장 범위를 가지고 있어 질소 결핍에 의한 스트레스로 인해 작물의 분광학적 해석이 가능했을 것으로 판단된다. 추후 분광학적 특성을 이용하여 전 생육 시기의 수체 생리, 생태 모델 개발 및 검증 그리고 병해충 진단 등 연구를 통해 고품질, 안정적인 과실 생산 기술 개발에 기여될 것으로 사료된다.

• 직업교육연구
• /
• 제29권3호
• /
• pp.309-334
• /
• 2010

글로벌 경제 전쟁 하에서 각 기업의 경쟁력은 효율적 인재개발에 의한 고성과 창출에 있다. 이에 최근 규모가 있는 선진화된 기업을 중심으로 기업의 비전과 전략에 기반한 구성원의 역량과 성과를 분석하고 역량모델을 개발하여 기업 내 인적자원 개발과 관리에 적극 도입하고 있는 추세다. 따라서 본 연구는 조직 구성원 역량진단을 위해 국내 기업에 도입되고 있는 역량모델에 대한 활용 정도를 살펴보기 위해 기업체에서의 역량모델의 개발 및 활용 실태 파악을 목적으로 설정하였다. 이를 위해 관련 전문가협의회, 자문위원회를 통해 설문 항목을 구성하여, 국내 기업들을 대상으로 설문조사를 실시하였다. 조사결과, 첫째 대부분의 기업들이 규모나 업종에 관계없이 주로 외부 모델을 벤치마킹하여 자체개발하거나, 외부컨설팅사의 부분적인 주도하에 개발된 역량모델을 사용하고 있어 기업특성에 맞는 역량모델 개발의 중요성이 시급하였다. 둘째는 역량모델 도입계기의 주요 이유가 근로자 역량강화에 있음에도 불구하고 개발된 역량모델을 인적자원관리 전 분야에 활용하지 못하고 있는 실정이므로, 역량모델 활용에 대한 한계를 극복할 수 있는 방안 마련이 필요하였다. 셋째는 기업의 역량모델 사후관리의 체계화에 대한 중요성이다. 이는 기업의 규모와 업종에 관계없이 다수의 기업이 업무환경 변화로 인하여 역량모델을 업그레이드 하거나, 또는 개발된 역량 모델을 아예 업그레이드 하지 않는 것으로 나타난 결과에서 찾아볼 수 있었다. 이 연구는 기업 현장에서 역량모델이 개발되고 활용되는 실태에 대한 초기연구인 만큼, 역량모델을 활용하고 있는 국내 기업의 내부 상황이나 조직 구성원의 특정 직급에 따른 심층 연구의 초석이 될 것이다.

• 한국근적외분광분석학회:학술대회논문집
• /
• 한국근적외분광분석학회 2001년도 NIR-2001
• /
• pp.1031-1031
• /
• 2001

The mammary gland is made up of remarkably sensitive tissue, which has the capability of producing a large volume of secretion, milk, under normal or healthy conditions. When bacteria enter the gland and establish an infection (mastitis), inflammation is initiated accompanied by an influx of white cells from the blood stream, by altered secretory function, and changes in the volume and composition of secretion. Cell numbers in milk are closely associated with inflammation and udder health. These somatic cell counts (SCC) are accepted as the international standard measurement of milk quality in dairy and for mastitis diagnosis. NIR Spectra of unhomogenized composite milk samples from 14 cows (healthy and mastitic), 7days after parturition and during the next 30 days of lactation were measured. Different multivariate analysis techniques were used to diagnose the disease at very early stage and determine how the spectral properties of milk vary with its composition and animal health. PLS model for prediction of somatic cell count (SCC) based on NIR milk spectra was made. The best accuracy of determination for the 1100-2500nm range was found using smoothed absorbance data and 10 PLS factors. The standard error of prediction for independent validation set of samples was 0.382, correlation coefficient 0.854 and the variation coefficient 7.63%. It has been found that SCC determination by NIR milk spectra was indirect and based on the related changes in milk composition. From the spectral changes, we learned that when mastitis occurred, the most significant factors that simultaneously influenced milk spectra were alteration of milk proteins and changes in ionic concentration of milk. It was consistent with the results we obtained further when applied 2DCOS. Two-dimensional correlation analysis of NIR milk spectra was done to assess the changes in milk composition, which occur when somatic cell count (SCC) levels vary. The synchronous correlation map revealed that when SCC increases, protein levels increase while water and lactose levels decrease. Results from the analysis of the asynchronous plot indicated that changes in water and fat absorptions occur before other milk components. In addition, the technique was used to assess the changes in milk during a period when SCC levels do not vary appreciably. Results indicated that milk components are in equilibrium and no appreciable change in a given component was seen with respect to another. This was found in both healthy and mastitic animals. However, milk components were found to vary with SCC content regardless of the range considered. This important finding demonstrates that 2-D correlation analysis may be used to track even subtle changes in milk composition in individual cows. To find out the right threshold for SCC when used for mastitis diagnosis at cow level, classification of milk samples was performed using soft independent modeling of class analogy (SIMCA) and different spectral data pretreatment. Two levels of SCC - 200 000 cells/$m\ell$ and 300 000 cells/$m\ell$, respectively, were set up and compared as thresholds to discriminate between healthy and mastitic cows. The best detection accuracy was found with 200 000 cells/$m\ell$ as threshold for mastitis and smoothed absorbance data: - 98% of the milk samples in the calibration set and 87% of the samples in the independent test set were correctly classified. When the spectral information was studied it was found that the successful mastitis diagnosis was based on reviling the spectral changes related to the corresponding changes in milk composition. NIRS combined with different ways of spectral data ruining can provide faster and nondestructive alternative to current methods for mastitis diagnosis and a new inside into disease understanding at molecular level.